How do Depth of Discharge, C-rate and Calendar Age Affect Capacity Retention, Impedance Growth, the Electrodes, and the Electrolyte in Li-Ion Cells?
Notice bibliographique
Résumé
Abstract Lithium-ion cells testing under different state of charge ranges, C-rates and cycling temperature have different degrees of lithium inventory loss, impedance growth and active mass loss. Here, a large matrix of polycrystalline NMC622/natural graphite Li-ion pouch cells were tested with seven different state of charge ranges (0-25, 0-50, 0-75, 0-100, 75-100, 50-100 and 25-100%), three different C-rates and at two temperatures. First, capacity fade was compared to a model developed by Deshpande and Bernardi. Second, after 2.5 years of cycling, detailed analysis by dV/dQ analysis, lithium-ion differential thermal analysis, volume expansion by Archimedes’ principle, electrode stack growth, ultrasonic transmissivity and x-ray computed tomography were undertaken. These measurements enabled us to develop a complete picture of cell aging for these cells. This then led to an empirical predictive model for cell capacity loss versus SOC range and calendar age. Although these particular cells exhibited substantial positive electrode active mass loss, this did not play a role in capacity retention because the cells were anode limited during full discharge under all the tests carried out here. However, the positive electrode mass loss was strongly coupled to positive electrode swelling and electrolyte “unwetting” that would eventually cause dramatic failure.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».